अन्त-देखि-अन्त कार्यप्रवाह, गोपनीयता/KVKK, नैतिकता र गुणस्तर नियन्त्रण

लाभ:

• 'एआई उत्पादन → मानव प्रमाणीकरण → मानव अनुमोदन' को चक्रको साथ ग्राहकको यात्रा अन्त-देखि-अन्त सुरक्षित रूपमा सञ्चालन गर्ने क्षमता।
• KVKK/गोपनीयताको दायरा भित्र ग्राहक डेटा सुरक्षित गर्ने क्षमता र प्रत्येक चरणमा चार नैतिक सिद्धान्तहरू बुन्नुहोस्।
• पाँच प्रमुख प्रश्नहरू (खाता, स्रोत, एलर्जी, गुमनाम, अनुमोदन) को साथ तिनीहरूको आउटपुट स्व-जाँच गरेर अन्तिम जिम्मेवारी लिन सक्ने क्षमता।

अघिल्लो दस एकाइहरूमा हामीले पोषण र आहारशास्त्रको व्यक्तिगत कार्यहरूमा एआई कसरी प्रयोग गर्ने भनेर देख्यौं: सेवन, गणना, डाटाबेस, योजना, नुस्खा, एलर्जी, ट्र्याकिङ, शिक्षा, प्रमाण। यो अन्तिम एकाईले यी सबैलाई सँगै ल्याउँछ र तपाइँलाई आहारविद्को रूपमा तपाइँको दैनिक अभ्यासमा AI अन्त्य-देखि-अन्त, सुरक्षित र नैतिक रूपमा कसरी सञ्चालन गर्ने भनेर देखाउँछ। किनभने प्रत्येक काम राम्रोसँग गर्न पर्याप्त छैन; डाटा कहाँ जान्छ, कसले निर्णय गर्छ, कहाँ रोक्छ र मानवीय स्वीकृति लिन्छ - यी सबैले एक सुसंगत प्रणाली सिर्जना गर्नुपर्छ। यो एकाईले सम्पूर्ण मोड्युललाई जोड्ने तीन रातो रेखाहरूलाई पनि स्पष्ट गर्दछ: गोपनीयता (KVKK), नैतिकता र अन्तिम मानव सहमति।

अन्त देखि अन्त ग्राहक यात्रा

निम्न तालिकाले ग्राहकको डाइटिशियनको भ्रमणदेखि फलो-अपसम्मको यात्राको सारांश दिन्छ, जहाँ AI खेलमा आउँछ र जहाँ मानव अनुमोदन आवश्यक हुन्छ:

स्टेज

AI's job

human approval point

1. स्वागतको लागि तयारी

अन्तर्वार्ता गाइड, नोट सम्पादन

आहार विशेषज्ञले अन्तर्वार्ता लिन्छ

2. Evaluation

ऊर्जा/म्याक्रो खाता मस्यौदा

Dietician recalculates

3. Database

स्रोत डेटा संग गणना

आहारविद्ले मानहरू पुष्टि गर्छन्

4. Plan

Meal options outline

आहार विशेषज्ञ सन्तुलन र पुष्टि गर्दछ

5. Recipe

Variation, refinement

पोषण र स्वाद प्रमाणीकरण

6. Security

Allergen pre-screening

आहारविद् मौखिक पुष्टि गर्दछ

7. Tracking

प्रवृत्ति सारांश, सन्देश रूपरेखा

क्लिनिकल व्याख्या र मानव मा सम्बन्ध

8. Education

Content outline

Scientific/ethical audit

9. Evidence

Summary, critical query

स्रोत एक आहार विशेषज्ञ द्वारा प्रमाणित छ

यस चार्टमा सामान्य ढाँचा हेर्नुहोस्: AI ले प्रत्येक चरणमा एउटा खाका वा प्रारम्भिक चरण उत्पादन गर्छ; प्रत्येक चरणमा मानव अनुमोदन बिन्दु छ। यो प्रणाली "AI उत्पादन → मानव प्रमाणीकरण → मानव पुष्टि गर्दछ" को चक्रमा आधारित छ। यदि यो चक्र बिग्रियो भने, तपाइँ गति प्राप्त गर्नुहुन्छ तर सुरक्षा र उत्तरदायित्व गुमाउनुहुन्छ।

गोपनीयता र KVKK: डाटा सुरक्षा

ग्राहक डेटा (पहिचान, स्वास्थ्य इतिहास, विश्लेषण, औषधि, मापन) Türkiye मा KVKK र युरोप मा GDPR को दायरा भित्र "विशेष श्रेणी व्यक्तिगत डेटा" हो र उच्चतम सुरक्षा योग्य छ। AI उपकरणहरूसँग काम गर्दा पालना गर्नुपर्ने सिद्धान्तहरू:

1. बेनामी: नाम, TR ID, सम्पर्क, संस्था, जन्म मिति जस्ता पहिचान डेटा हटाउनुहोस्। "43 वर्षीया महिला, टाइप 2 मधुमेह" पर्याप्त छ।
2. न्यूनतम डेटा: कार्यको लागि आवश्यक न्यूनतम डेटा साझा गर्नुहोस्; no more.
3. सुरक्षित उपकरण छनौट गर्नुहोस्: डेटा प्रशोधन सम्झौताको साथ कर्पोरेट उपकरणहरू छनौट गर्नुहोस् जहाँ डेटा मोडेल प्रशिक्षणमा प्रयोग हुँदैन।
4. स्पष्ट सहमति: ग्राहकलाई उसको डेटा कसरी प्रशोधन गरिन्छ भन्ने बारे जानकारी दिनुहोस् र उसको सहमति प्राप्त गर्नुहोस्।
5. रेकर्डिङ र रिटेन्सन: डाटा कहाँ भण्डारण गरिन्छ र यसमा कसको पहुँच छ भन्ने नियन्त्रण; Delete unnecessary data.

ध्यान दिनुहोस्: "गतिको लागि" अज्ञात नगरी एआई उपकरणमा विश्लेषण PDF वा क्लाइन्ट फाइल अपलोड गर्दा KVKK उल्लङ्घन हुन सक्छ जुन एकल क्लिकमा समाधान गर्न गाह्रो हुन्छ। गतिले गोपनियतालाई कहिले पनि तोड्दैन। यदि शंका छ भने, साझा नगर्नुहोस्।

नैतिक ढाँचा: चार सिद्धान्तहरू

स्वास्थ्य नैतिकताका चार शास्त्रीय सिद्धान्तहरू पोषण अभ्यासमा पनि लागू हुन्छन्: परोपकार (ग्राहकको भलाइको लागि काम गर्ने), अपुरोषता (विशेष गरी सुरक्षा-महत्वपूर्ण निर्णयहरूमा), स्वायत्तता (ग्राहकको आफ्नै निर्णयको सम्मान, सूचित सहमति), र न्याय (समावेशी सेवा जुन स्रोत, बजेट, संस्कृतिमा भिन्नताहरूप्रति संवेदनशील छ)। AI को प्रयोगले यी सिद्धान्तहरूसँग बाधा पुर्‍याउनु हुँदैन: अप्रमाणित आउटपुटले हानि निम्त्याउन सक्छ (गैर-खराबताको उल्लङ्घन), ग्राहकलाई जानकारी नदिई डाटा प्रशोधन गर्ने स्वायत्तता उल्लङ्घन हुन्छ, एकल संस्कृति अनुसार योजनाहरू उत्पादन गर्दा न्यायलाई कमजोर बनाउँछ। नैतिकता पछि थपिएको तह होइन, तर हरेक पाइलामा बुनेको अनुशासन हो।

गुणस्तर नियन्त्रण: आफ्नो काम निरीक्षण

अन्त-देखि-अन्तमा काम गर्दा नियमित रूपमा AI को आफ्नै प्रयोगको अडिट गर्नुहोस्। एक साधारण स्व-जाँच: प्रत्येक ग्राहक प्रिन्टआउटको लागि, "के मैले यो नम्बर प्रमाणित गरें? के मैले यो एलर्जीको लागि स्क्रिन गरें? के मैले यो दावीलाई प्रमाणित गरें? के मैले यो डाटा गुमनाम गरें? के मैले यो योजना अनुमोदन गरें?" यदि तपाइँ यी पाँच प्रश्नहरूको "हो" जवाफ दिन सक्नुहुन्न भने, आउटपुट अझै तयार छैन।

तीन मिनी केसहरू

केस 1 - चेन मा कमजोर लिङ्क। एक आहारविद्ले चाँडै AI सँग इन्टेक-खाता-योजना चेन सेट अप गर्दछ तर सुरक्षा चरण (एलर्जेन प्रमाणिकरण) छोड्छ; किनभने यसले मान्दछ "यदि अघिल्लो चरणहरू राम्रो थिए भने, यो पनि राम्रो छ"। यद्यपि, ग्राहकलाई तिलको एलर्जी थियो र योजनामा ​​तिल रहेको चटनी थियो। यदि चेनमा एउटा लिङ्क टुट्यो भने, सम्पूर्ण चेन असुरक्षित हुन्छ। पाठ: प्रत्येक चरणको स्वीकृति बिन्दु स्वतन्त्र छ; एउटाले अर्कोलाई प्रतिस्थापन गर्दैन।

केस 2 - गोपनीयता उल्लंघन श्रृंखला। दक्षताका लागि, क्लिनिकले सबै क्लाइन्ट फाइलहरूलाई नामद्वारा एआई उपकरणमा लोड गर्ने र सामूहिक योजना उत्पादन गर्ने प्रयास गर्छ। एक लेखापरीक्षणले यो KVKK उल्लङ्घन हो र तथ्याङ्क संस्था बाहिर गएको देखाउँछ। क्लिनिकले प्रक्रिया रोक्छ र अज्ञात र संकुचित प्रवाहमा स्विच गर्दछ। पाठ: दक्षताले गोपनीयता आक्रमणलाई बहाना गर्दैन; प्रणालीलाई स्क्र्याचबाट गोपनीयता-सुरक्षित रूपमा सेटअप गर्नुहोस्।

केस 3 - सही अन्त-देखि-अन्त प्रवाह। नयाँ ग्राहकका लागि आहारविद्ले: (१) अज्ञात डेटाको साथ अन्तर्वार्ता गाइड उत्पादन गर्छ, (२) AI ड्राफ्ट छ र म्यानुअल रूपमा गणना प्रमाणित गर्छ, (३) USDA बाट पोषण मानहरू फिड गर्छ, (४) विकल्प योजना प्राप्त गर्छ र सन्तुलन मिलाउँछ, (५) एक-देखि-एकमा एलर्जीहरूका लागि स्क्रिनहरू, (6) ग्राहकहरूलाई व्यक्तिगत शिक्षा प्रदान गर्दछ, (6) को लागि व्यक्तिगत शिक्षा प्रदान गर्दछ। weekly follow-up. यसले प्रत्येक चरणमा अनुमोदन बिन्दु लागू गर्दछ, डेटा गुमनाम राख्छ, र योजनालाई स्वीकृत गर्दछ। नतिजा: सुरक्षा र उत्तरदायित्वमा सम्झौता नगरी AI सँग ~40% समय बचत गर्छ। पाठ: प्रणाली सही तरिकाले सेटअप गर्दा गति र सुरक्षा सँगै आउँछन्।

प्रतिलिपि गर्न मिल्ने प्रम्प्ट टेम्प्लेटहरू

अन्त-देखि-अन्त कार्य फ्रेमवर्क टेम्प्लेट तपाईंको भूमिका: आहार विशेषज्ञको लागि सहायक तयार गर्ने मस्यौदा। प्रत्येक प्रिन्टआउटको अन्त्यमा "डायटिशियन स्वीकृति आवश्यक" नोट राख्नुहोस् र कुन अंकहरू शब्दशः प्रमाणित गर्न आवश्यक छ (खाता, एलर्जी, स्रोत)। ग्राहक (अज्ञात): [...]। Quest: [stage]. Don't add made-up data; जहाँ तपाईं निश्चित हुनुहुन्न चिन्ह लगाउनुहोस्।

गोपनीयता पूर्व-जाँच टेम्प्लेटएआई उपकरणमा दिनु अघि गोपनीयताको लागि निम्न पाठ स्क्यान गर्नुहोस्: के यसमा नाम, आईडी, सम्पर्क, संस्था, जन्म मिति, विश्लेषण आईडी जस्ता पहिचान गर्ने डेटा समावेश छ? यदि त्यसो हो भने, यसलाई चिन्ह लगाउनुहोस् र अज्ञात संस्करण सुझाव गर्नुहोस्। पाठ: [...]

गुणस्तर सेल्फ-अडिट टेम्प्लेट निम्न क्लाइन्ट प्रिन्टआउटको लागि चेकलिस्ट लागू गर्नुहोस् र प्रत्येक वस्तुलाई भेटिएको/हराएको रूपमा चिन्ह लगाउनुहोस्: (1) खाता प्रमाणित गरिएको छ, (2) स्रोतबाट पोषण मूल्य हो, (3) एलर्जीहरूका लागि जाँच गरिएको छ, (4) डेटा बेनामी छ, (5) त्यहाँ स्वास्थ्य विशेषज्ञ छ। Indicate any omissions. आउटपुट: [...]

नैतिक समीक्षा टेम्प्लेट के निम्न योजना/सामग्रीले चार नैतिक सिद्धान्तहरूको सन्दर्भमा समस्या खडा गर्छ: लाभ, गैर-दुरुस्ती, स्वायत्तता (सहमति/सूचना), न्याय (बजेट/सांस्कृतिक समावेशीता)? प्रत्येक नीतिलाई संक्षिप्त रूपमा मूल्याङ्कन गर्नुहोस् र सुधारहरू सुझाव दिनुहोस्। Content: [...]

कमजोर प्रम्प्ट / बलियो प्रम्प्ट

कमजोर प्रम्प्ट:

मैले सुश्री Ayşe को विश्लेषण र फाइल थपें, पूर्ण योजना बाहिर आउनेछ।

नाम गरिएको डाटा, एक चरणमा "पूर्ण योजना", कुनै अनुमोदन बिन्दुहरू छैनन्: KVKK उल्लङ्घन र अप्रमाणित, असुरक्षित आउटपुट दुवैको जोखिम।

शक्तिशाली प्रम्प्ट:

तपाईंको भूमिका: ड्राफ्ट सहायक; स्वीकृति आहारविद्को हो। ग्राहक (अज्ञात): ४१ वर्षकी महिला, टाइप २ मधुमेह, [सान्दर्भिक संख्यात्मक मान, नाम/पहिचान कुनै पनि छैन]। कार्य: ड्राफ्ट भोजन योजना, विकल्पहरू सहित। प्रत्येक खानाको लागि अनुमानित म्याक्रो र "प्रमाणित गर्नुपर्छ" नोट। एलर्जीन: तिल (कुनै पनि थप नगर्नुहोस्)। अन्तमा, आहार विशेषज्ञ द्वारा व्यक्तिगत रूपमा जाँच गर्न आवश्यक बिन्दुहरू सूची गर्नुहोस्। Adding fitted data.

दोस्रो प्रम्प्टले डाटालाई अज्ञात बनाउँछ, आउटपुट स्टब गर्छ, सुरक्षा अवरोध र चेकपोइन्टहरू समावेश गर्दछ; गोपनीयता र गुणस्तर दुवै सुरक्षित छन्।

सामान्य गल्तीहरू

• चेनमा लिङ्क छोड्दै: सुरक्षा/अनुमोदन चरण छोड्दै किनभने अघिल्लो चरण राम्रो थियो।
• कार्यकुशलताका लागि गोपनीयताको त्याग गर्दै: नामित फाइलहरू बल्क अपलोड गर्दै — गम्भीर KVKK उल्लङ्घन।
• एक-शट "पूर्ण योजना" को अपेक्षा गर्दै: चेकपोइन्टहरू छोड्ने ब्ल्याक-बक्स आउटपुटमा भर पर्दै।
• पछि नैतिकताको बारेमा सोच्ने: नैतिकतालाई हरेक पाइलामा बुन्नुको सट्टा अन्त्यमा सम्झने।
• आत्म-जाँचलाई बाइपास गर्दै: पाँच आधारभूत प्रश्नहरू (खाता/एलर्जेन/स्रोत/अनाम/अनुमोदन) विरुद्ध परीक्षण नगरिकन आउटपुट प्रयोग गर्दै।
• सहमति बिर्सनु: ग्राहकलाई उसको डाटा कसरी प्रशोधन गरिन्छ भन्ने बारे जानकारी नगर्ने।

संक्षेपमा

आर्टिफिसियल इन्टेलिजेन्सले पोषण र डाइटेटिक्सको अभ्यासलाई अन्त-देखि-अन्तमा गति दिन सक्छ; तर यो तब मात्र सुरक्षित हुनेछ यदि "एआई उत्पादन गर्दछ → मानव पुष्टि गर्दछ → मानव पुष्टि गर्दछ" को चक्र प्रत्येक चरणमा कायम राखिएको छ। क्लाइन्ट डेटा सधैँ गुमनाम राख्नुहोस्, गतिको लागि KVKK र गोपनीयता त्याग नगर्नुहोस्, प्रत्येक चरणमा नैतिकताका चार सिद्धान्तहरू बुन्नुहोस्, र पाँच आधारभूत प्रश्नहरूको साथ आफ्नो आउटपुटहरू आत्म-परीक्षण गर्नुहोस्। श्रृंखलामा प्रत्येक लिङ्क स्वीकृतिको एक स्वतन्त्र बिन्दु हो; जब तिनीहरू मध्ये एक तोडिन्छ, प्रणाली असुरक्षित हुन्छ। सम्झनुहोस्: AI ले तपाईंको पेशालाई बलियो बनाउँछ, तर यसलाई प्रतिस्थापन गर्दैन। निदान, उपचार निर्णय, र अन्तिम योजना अनुमोदन - विज्ञान, नैतिकता, र हस्ताक्षर - आहार विशेषज्ञ को हो। AI तपाईको छिटो सहायक हो; तपाईं जिम्मेवार विशेषज्ञ हुनुहुन्छ।

आवेदन कार्य

सुरुदेखि अन्त्यसम्म एउटा मिनी ग्राहक प्रवाह सेट अप गर्नुहोस्: एउटा अज्ञात प्रोफाइल छनौट गर्नुहोस्, क्रमशः उत्पादन गर्नुहोस् (१) अन्तर्वार्ता गाइड, (२) खाता रूपरेखा + प्रमाणिकरण, (३) स्रोत डेटासहितको खाना, (४) एलर्जी स्क्रिनिङ, (५) तालिम ह्यान्डआउट। तपाईंले प्रत्येक चरणमा कुन मानव चेकपोइन्ट लागू गर्नुभयो लेख्नुहोस्। त्यसपछि सम्पूर्ण प्रवाहमा "गुणस्तर सेल्फ-अडिट टेम्प्लेट" लागू गर्नुहोस्, कुनै पनि खाडलहरू फेला पार्नुहोस् र समाधान गर्नुहोस्। अन्तमा, तपाईंको डाटा साँच्चै बेनामी छ भनेर पुष्टि गर्न "गोपनीयता पूर्व-चेक" चलाउनुहोस्।

चेकलिस्ट

• [ ] मैले प्रत्येक चरणमा "AI generates → verify → validate" चक्र लागू गरें।
• [ ] मैले ग्राहकको डेटा गुमनाम गरें र न्यूनतम डेटा साझा गरें।
• [] मैले सुरक्षित/अनुबंधित सवारी साधन प्रयोग गरें; I received consent.
• [ ] मैले चार नैतिक सिद्धान्तहरू (लाभ, गैर-दोष, स्वायत्तता, न्याय) अवलोकन गरें।
• [ ] मैले पाँच मुख्य प्रश्नहरूको साथ आउटपुट स्व-जाँच गरें।
• आहारविद्को रूपमा, मैले अन्तिम स्वीकृति दिएँ; I am responsible.

मोड्युल परीक्षा

1. एक आहार विशेषज्ञले कृत्रिम बुद्धिमत्ता द्वारा गणना गरिएको दैनिक क्यालोरी लक्ष्यलाई ग्राहकको योजनामा जाँच नगरी स्थानान्तरण गर्दछ। यस दृष्टिकोणमा आधारभूत त्रुटि के हो?

• क) कृत्रिम बुद्धिमत्ता आउटपुट प्रमाणीकरण बिना प्रयोग गर्न सकिँदैन; खाता मस्यौदा पुन: गणना र आहार विशेषज्ञ द्वारा अनुमोदित हुनुपर्छ ✔
• ख) आर्टिफिसियल इन्टेलिजेन्सले जहिले पनि क्यालोरी गणनालाई कम आँकलन गर्छ
• ग) क्यालोरी गणनाको सट्टा, म्याक्रो गणना मात्र गर्नुपर्छ।
• घ) योजना ग्राहकलाई इ-मेलको सट्टा कागजमा दिइएको हुनुपर्छ।

स्पष्टीकरण: आर्टिफिसियल इन्टेलिजेन्सले सही हिसाबले गणना गर्न सक्छ, यसले गतिविधि गुणांकलाई गलत रूपमा लिने र उही आत्मविश्वासका साथ गलत नतिजाहरू उत्पादन गर्ने धारणा पनि लिन सक्छ। आहारशास्त्र एक सुरक्षा-महत्वपूर्ण क्षेत्र हो; प्रत्येक खाता एक आहारविद् द्वारा पुन: प्रमाणित गरिनु पर्छ, र अन्तिम स्वीकृति मानव को हुनुपर्दछ।

२. क्लाइन्ट डाटालाई आर्टिफिसियल इन्टेलिजेन्स उपकरणमा स्थानान्तरण गर्दा गोपनीयता (KVKK) को सन्दर्भमा उत्तम व्यवहार के हो?

• A) ग्राहकको पूरा नाम र विश्लेषण पीडीएफ गतिको लागि अपलोड गरिनु पर्छ।
• B) व्यक्तिगत रूपमा पहिचान योग्य जानकारी हटाएर र डेटा गुमनाम गरेर आवश्यक क्लिनिकल जानकारी मात्र साझा गर्नुपर्छ ✔
• C) यदि डाटा इन्क्रिप्टेड छ भने, नाम जानकारी पनि पठाउन सकिन्छ
• D) उद्देश्य राम्रो भएकोले ग्राहकलाई न सोधी सम्पूर्ण फाइल सेयर गर्न सकिन्छ

स्पष्टीकरण: ग्राहक स्वास्थ्य डेटा विशेष व्यक्तिगत डेटा हो। पहिचान गर्ने जानकारी जस्तै नाम, TR ID, र सम्पर्क जानकारी हटाउनु पर्छ र डाटा गुमनाम हुनुपर्छ; कार्यको लागि आवश्यक न्यूनतम डाटा साझा गर्नुपर्छ। नामबाट कच्चा फाइल अपलोड गर्नु गम्भीर उल्लङ्घन हो।

3. कृत्रिम बुद्धिमत्ताले 2000 kcal को लक्ष्यको लागि '220 ग्राम कार्बोहाइड्रेट, 150 ग्राम प्रोटीन, 90 ग्राम फ्याट' दिन्छ। आहारविद्ले पहिलो प्रमाणीकरण के गर्नुपर्छ?

• A) मानहरूलाई तिनीहरू जस्तै स्वीकार गर्दै, किनभने कृत्रिम बुद्धिमत्ता अंकगणितमा त्रुटिरहित छ।
• ख) प्रोटिनको मात्रा मात्र नियन्त्रण गर्न पर्याप्त हुन्छ
• C) म्याक्रो ग्रामलाई 4/4/9 ले गुणन गर्नुहोस् कि कुल लक्ष्य क्यालोरीमा पुग्छ कि छैन ✔
• D) म्याक्रोको आधारमा 2290 मा क्यालोरी लक्ष्य बढाउँदै

स्पष्टीकरण: म्याक्रोलाई 4/4/9 द्वारा फिर्ता गुणा गरियो: 220x4 + 150x4 + 90x9 = 880 + 600 + 810 = 2290 kcal। 290 kcal द्वारा कुल लक्ष्य नाघ्यो; मानहरू असंगत छन्। ब्याक गुणन एआई म्याक्रो त्रुटिहरू समात्ने सबैभन्दा सरल र सबैभन्दा शक्तिशाली तरिका हो।

4. पोषण मूल्य डेटामा कृत्रिम बुद्धिमत्ताको सबैभन्दा कमजोर र सबैभन्दा जोखिमपूर्ण बिन्दु के हो?

• A) कृत्रिम बुद्धिमत्ताले सधैं मेट्रिक एकाइहरूमा पोषण मान दिन्छ
• ख) आर्टिफिसियल इन्टेलिजेन्सले तरकारीको मूल्य मात्र थाहा पाउँछ
• C) कृत्रिम बुद्धिमत्ता ढिलो छ किनभने यसले धेरै दशमलवहरूसँग पोषण मान दिन्छ।
• घ) कृत्रिम बुद्धिमत्ताले यसको मेमोरीबाट उत्पादन गर्दा पोषण मानहरू अनुकूलन गर्न सक्छ; त्यसैले मानहरू मान्यता प्राप्त डाटाबेसबाट लिनुपर्छ ✔

स्पष्टीकरण: भाषा मोडेलले संख्याहरू याद गर्दैन, यसले तिनीहरूलाई सम्भावित रूपमा उत्पन्न गर्दछ; तसर्थ, यसले खानाको प्रोटिन/क्यालोरी मान प्रवाहित तर गलत तरिकाले (भ्रम) दिन सक्छ। For this reason, nutritional values ​​should be taken from well-known databases, and artificial intelligence should work only with that data.

5. खाना योजनामा, कृत्रिम बुद्धिमत्ताले क्यालोरी र म्याक्रोहरू ठ्याक्कै राखेको छ, तर पूरै दिन सेतो रोटी, पास्ता र चिकन समावेश गर्दछ। What's missing here?

• क) यसमा म्याक्रोहरू भए तापनि फाइबर, तरकारी र सूक्ष्म पोषक तत्वहरूको सन्तुलन हासिल हुँदैन; पोषण विविधताको हिसाबले यो योजना अपर्याप्त छ ✔
• ख) क्यालोरी लक्ष्य धेरै उच्च सेट गरिएको छ
• ग) प्रोटिनको मात्रा बढी भएकाले समस्या हुन्छ
• घ) खानाको संख्या तीन भन्दा बढी हुनुपर्छ

स्पष्टीकरण: म्याक्रोले लक्ष्यमा हिट गरेको तथ्यले योजना स्वस्थ छ भन्ने संकेत गर्दैन। फाइबर, तरकारी र माइक्रोन्यूट्रिएन्ट सन्तुलन (भिटामिन, खनिज) पनि प्रदान गर्नुपर्छ। यो सन्तुलनको निर्णय आहारविद्को हो; म्याक्रो शुद्धता मात्र पर्याप्त छैन।

6. हेजलनटबाट एलर्जी भएको ग्राहकको लागि, कृत्रिम बुद्धिमत्ताले 'बदाम बटर प्रयोग गर्नुहोस्' जस्ता विकल्पको सुझाव दिन्छ। आहारविद्ले यो सिफारिसलाई किन असुरक्षित मान्न सक्छ?

• A) बादामको पेस्ट हेजलनट पेस्ट भन्दा महँगो छ
• ख) बादाम एउटै रूख नट एलर्जी समूह हेजलनट जस्तै हुन सक्छ; प्रतिस्थापन जोखिमपूर्ण हुन सक्छ किनभने यो एउटै समूहमा पर्दछ ✔
• ग) बदामको पेस्टमा क्यालोरी धेरै हुन्छ
• घ) बादामको पेस्ट टर्की खानाको लागि उपयुक्त छैन।

स्पष्टीकरण: हेजलनट र बादाम एउटै 'ट्री नट' एलर्जी समूहमा छन्। एलर्जी एक समूहको आधारमा व्यवस्थित गरिन्छ, एकल खाना होइन; यदि विकल्प एउटै समूहमा पर्यो भने, यो जोखिमपूर्ण छ। आहारविद्लाई एलर्जी समूह थाहा छ र प्रतिस्थापन ठ्याक्कै प्रमाणित गर्दछ।

7. वारफेरिन (रगत पातलो गर्ने) लिने ग्राहकको लागि भिटामिन के-युक्त पातदार सागहरू प्रयोग गर्ने सही तरिका के हो?

• क) सबै हरियो पातदार खानेकुरालाई कडाइका साथ प्रतिबन्ध लगाउनुपर्छ
• B) भिटामिन K को सेवनलाई अनुमति दिनुपर्छ र यसलाई ध्यानमा राख्नु हुँदैन
• C) भिटामिन K को सेवन नियमित राख्नुपर्छ र अवस्था चिकित्सकसँग साझा गर्नुपर्छ ✔
• घ) सागसब्जी बेलुकाको खानामा मात्रै खानुपर्छ

स्पष्टीकरण: वारफेरिन प्रयोग गर्नेहरूका लागि, लक्ष्य भिटामिन K लाई पूर्ण रूपमा प्रतिबन्ध लगाउनु होइन, तर तिनीहरूको सेवनलाई निरन्तरता दिनु हो। ठूला उतार चढावहरूले औषधिको प्रभावलाई कम गर्छ। यो 'सुसंगत राख्नुहोस्' प्रकारको अवरोध एआईमा हराइरहेको क्लिनिकल परिष्कार हो र यसलाई चिकित्सकसँग साझा गरिएको छ।

८. ग्राहकले हप्तामा १ किलोग्रामको 'बृद्धि' देख्दा कसरी सही व्याख्या गर्न सकिन्छ?

• क) योजना तुरुन्तै कम क्यालोरी संग स्क्र्याच देखि लेखिनु पर्छ
• ख) ग्राहकलाई तौल बन्द गर्न लगाइनुपर्छ।
• ग) एक हप्ताको वृद्धिलाई निश्चित तौल वृद्धि मानिन्छ।
• D) बहु-हप्ता प्रचलनहरू हेरिनुपर्छ, एकल मापन होइन; छोटो अवधिको उतार-चढाव (जस्तै पानी अवधारण) को चिकित्सकीय रूपमा मूल्याङ्कन गरिनुपर्छ ✔

स्पष्टीकरण: एकल मापन भ्रामक छ; पानी अवधारण, मासिक धर्म चक्र, र नुन सेवन जस्ता कारकहरूले छोटो अवधिको उतार-चढ़ाव सिर्जना गर्दछ। के महत्त्वपूर्ण छ बहु-हप्ता प्रवृत्ति हो। यो नैदानिक ​​​​व्याख्या आहार विशेषज्ञ द्वारा बनाईएको हो; AI only organizes data.

९. आर्टिफिसियल इन्टेलिजेन्सले सामाजिक सञ्जाल स्केचमा 'ग्रीन टीले बोसो जलाउँछ र मेटाबोलिज्मलाई गति दिन्छ' भन्ने वाक्य उत्पादन गर्छ। आहारविद्को नैतिक जिम्मेवारी के हो?

• A) प्रमाणमा अतिरञ्जित दावीको आधारमा, यसलाई मापन गरिएको भाषामा अनुवाद गर्ने र सामान्य जानकारी चेतावनी थप्ने ✔
• ख) दावीलाई यसरी प्रकाशित गर्ने किनभने यसले ध्यान आकर्षित गर्छ
• ग) वाक्यलाई अझ बलियो बनाउनुहोस् र 'क्यान्सर रोक्छ' थप्नुहोस्
• घ) हरियो चियाको बारेमा कुरा गर्न निषेध गरिएकोले सामग्री प्रकाशित नगर्नुहोस्

Description: Artificial intelligence is prone to making exaggerated and poorly proven claims. आहारविद्ले प्रमाणको स्तर अनुसार यी दावीहरूलाई मध्यस्थता गर्नुपर्छ, निश्चितता र चमत्कारको भाषा हटाउनुपर्छ र 'यो सामान्य जानकारी हो' भन्ने चेतावनी थप्नुपर्छ। स्वास्थ्य दावीहरूमा इमानदारी नैतिक दायित्व हो।

10. एक आहारविद्ले प्रस्तुतीकरणको लागि 'अन्तरन्तर उपवासका फाइदाहरू प्रमाणित गर्ने 3 अध्ययनहरू' को लागि कृत्रिम बुद्धिमत्ता सोध्छन्। यो अनुरोधको मुख्य जोखिम के हो?

• क) आर्टिफिसियल इन्टेलिजेन्सले धेरै काम दिन्छ र आहारविद्लाई थकाइ दिन्छ
• ख) कृत्रिम बुद्धिमत्ताले अस्तित्वमा नभएको अध्ययन, लेखक र पत्रिकाहरू आविष्कार गर्न सक्छ; प्राथमिक स्रोतबाट प्रमाणीकरण बिना स्रोतहरू प्रयोग गर्न सकिँदैन ✔
• C) आर्टिफिसियल इन्टेलिजेन्स अध्ययन अंग्रेजीमा मात्र दिइन्छ
• D) प्रस्तुतिको लागि तीनवटा अध्ययनहरू सधैं अपर्याप्त हुन्छन्

व्याख्या: भाषा मोडेलहरूले वास्तवमा अवस्थित नभएका कामहरू, लेखकहरू र पत्रिकाहरू आविष्कार गर्न सक्छन् (स्रोत भ्रम)। आर्टिफिसियल इन्टेलिजेन्स साहित्य खोज इन्जिन होइन। सही तरिका: PubMed/Cochrane बाट वास्तविक स्रोतहरू फेला पार्नुहोस् र तिनीहरूलाई AI द्वारा संक्षेप गर्नुहोस्; प्रत्येक सन्दर्भ प्राथमिक स्रोतबाट प्रमाणित गरिएको छ।

११. 'बिहानको खाजा खानेहरू पातलो हुन्छन्' भनी देखाइएको अवलोकन अध्ययनबाट 'ब्रेकफास्टले तौल घटाउँछ' भन्ने निष्कर्षमा पुग्नु किन गलत छ?

• A) अध्ययन अझै मान्य छैन किनभने यो धेरै नयाँ छ।
• ख) बिहानको खाजाले तौल बढाउँछ, अध्ययन गलत हो
• ग) अवलोकन अध्ययनले मात्र सहसम्बन्ध देखाउँछ; कारण प्रमाणित गर्दैन, सम्बन्ध अन्य कारकहरूको कारण हुन सक्छ ✔
• D) यो अवैध छ किनकि नमूनामा महिलाहरू मात्र छन्

स्पष्टीकरण: अवलोकन अध्ययनले सहसम्बन्ध (एकसाथ घटना) देखाउँछ, कारण (एउटाले अर्कोलाई निम्त्याउँछ) होइन। बिहानको खाजा खानेहरू सामान्यतया बढी सक्रिय र नियमित रूपमा बाँच्न सक्छन्; सम्बन्ध अन्य कारकहरूको कारण हुन सक्छ। कारण संग भ्रमित सहसंबंध एक सामान्य प्रमाण पढ्ने त्रुटि हो।

12. 24-घण्टा पोषण रिमाइन्डरमा, ग्राहकले 'दिनको 2 मुट्ठी नट' भन्छन्। AI ले यसलाई '६० ग्राम' मानेको छ। सही दृष्टिकोण के हो?

• क) ६० ग्रामको आर्टिफिसियल इन्टेलिजेन्सको अनुमान निश्चित मानिन्छ
• ख) नटहरू योजनाबाट पूर्ण रूपमा हटाइएका छन्
• ग) 100 ग्राम औसत मानको रूपमा लिइन्छ
• D) भाग कृत्रिम बुद्धिमत्ताको अनुमान होइन, यो ग्राहकलाई सोधेर वा स्केलको साथ मापन गरेर स्पष्ट गरिन्छ ✔

स्पष्टीकरण: अंश अनुमानहरू व्यक्तिपिच्छे धेरै फरक हुन्छन्; एक मुट्ठी 30 ग्राम वा 90 ग्राम हुन सक्छ। AI को धारणा प्रारम्भिक दायरा हो, मापन होइन। वास्तविक भाग ग्राहकलाई सोधेर वा भान्साको स्केल प्रयोग गरेर स्पष्ट गरिनुपर्छ।

13. पोषण डाटाबेस सामान्यतया प्रति 100 ग्राम कच्चा मान दिन्छ। यो के त्रुटि हुन सक्छ?

• क) पकाएको भागमा कच्चा मान लागू गर्नाले (वा उल्टो) गम्भीर क्यालोरी/म्याक्रो त्रुटिहरू प्रस्तुत गर्न सक्छ; मापनको एकाइ स्पष्ट हुनुपर्छ ✔
• B) कच्चा मानहरू सधैं पकाएको मानहरू भन्दा कम हुन्छन्, कुनै समस्या छैन
• C) त्यहाँ कुनै समस्या हुनेछैन किनकि डाटाबेसहरूले मात्र पकाएको मानहरू फर्काउँछ।
• घ) काँचो/पकाएको भिन्नता मासुमा मात्र देखिन्छ, अनाजमा होइन।

विवरण: खाना पकाउँदा, खानाले पानी सोस्छ र यसको वजन परिवर्तन गर्दछ; 100 ग्राम काँचो चामल पकाउँदा ~250-300 ग्राम सम्म पुग्छ। पकाएको रकममा कच्चा मान लागू गर्नाले (वा उल्टो) गम्भीर क्यालोरी त्रुटिहरू हुनेछ। प्रयोग गरिएको मान कच्चा हो वा पकाएको हो भन्ने कुरा सधैं स्पष्ट हुनुपर्छ।

14. सम्पूर्ण मोड्युलमा जोड दिइएको मुख्य सिद्धान्तले आहारशास्त्रमा कृत्रिम बुद्धिमत्ताको भूमिकालाई कसरी वर्णन गर्छ?

• क) कृत्रिम बुद्धिमत्ताले अनुभवी आहारविद्को स्थानमा आफै निर्णय गर्न सक्छ
• ख) आर्टिफिसियल इन्टेलिजेन्स एक सहायक र ड्राफ्ट जनरेटर हो; निदान, उपचारको निर्णय र अन्तिम स्वीकृति आहारविद्/चिकित्सकको हो ✔
• C) आर्टिफिसियल इन्टेलिजेन्स केवल दृश्य डिजाइनको लागि प्रयोग गरिन्छ, गणनाको लागि होइन
• घ) कृत्रिम बुद्धिमत्ता आउटपुट प्रमाणीकरण बिना पनि सुरक्षित छ किनभने यो वैज्ञानिक स्रोतहरूमा आधारित छ।

विवरण: आर्टिफिसियल इन्टेलिजेन्सले सहायक र मस्यौदा जनरेटरको रूपमा दोहोरिने कामलाई गति दिन्छ, तर यसले सुरक्षा-महत्वपूर्ण क्षेत्रमा काम गरिरहेको हुनाले, निदान, पोषण उपचार निर्णय र अन्तिम योजना अनुमोदन सक्षम विशेषज्ञ (आहार विशेषज्ञ र, आवश्यक हुँदा, चिकित्सक) को हो। अप्रमाणित आउटपुट एक हस्ताक्षर नगरिएको मस्यौदा हो।